1.应用于四足仿生机器人的目标跟随方法，其特征是，包括：获取四足仿生机器人所在环境的图像；

识别跟随目标并获取跟随目标的位置坐标，识别障碍物并获取障碍物的凸包坐标信息，以进行四足机器人在自转跟随跟踪目标的同时横移躲避障碍物；

横移躲避障碍物时，根据障碍物在图像中位置信息来决定四足机器人躲避障碍物时的横移速度大小；

横移速度具体为：

其中Vleftshift，Vrightshift表示四足机器人左右横移的速度；α和XOCC分别是第一自转速度比例系数和包围障碍物矩形框的中心点的像素横坐标，具体由下式给出：α＝0.5

其中xobject是在像素平面内包围障碍物矩形框左上角的像素横坐标，owidth为包围障碍物矩形框的像素宽度值。

2.如权利要求1所述的应用于四足仿生机器人的目标跟随方法，其特征是，识别跟随目标时，对四足仿生机器人所在环境的图像进行处理，产生不同尺寸的预测特征图，在不同尺寸的预测特征图上进行目标的预测。

3.如权利要求2所述的应用于四足仿生机器人的目标跟随方法，其特征是，在不同尺寸的预测特征图上进行目标的预测时，将输入图像划分为相对应尺寸的网格，聚类得到多组尺度的预测框；

在每个预测特征图上会预测多种尺度的预测框，每个网格检测中心点落在该格子内的目标，真实框中心所在的网格作为负责预测目标的单元格，每个单元格会预测多种预测框，从这多种预测框中选择和真实框的IOU最大的来作为最终预测该目标的预测框，最终，每个单元格会预测产生出有关目标坐标的参数。

4.如权利要求1所述的应用于四足仿生机器人的目标跟随方法，其特征是，识别障碍物并获取障碍物的凸包坐标信息，具体为：图像二值化处理，突显出障碍物图形的轮廓；

二值化处理后对图像先进行腐蚀操作处理然后再进行膨胀处理；

基于以上图像处理之后，提取出障碍物的最大外围轮廓，进而确定其凸包矩形框，继而得到具体的像素坐标值。

5.如权利要求1所述的应用于四足仿生机器人的目标跟随方法，其特征是，识别跟随目标并获取跟随目标的位置坐标之后，将此坐标进一步转换为预测框左上角的像素坐标，并且得到矩形框的宽度高度信息，自转跟随跟踪目标。

6.如权利要求1所述的应用于四足仿生机器人的目标跟随方法，其特征是，自转跟随跟踪目标，跟踪目标公式：其中k和XPCC分别是第二自转速度比例系数和包围人的矩形框的中心点的像素横坐标，具体由以下式给出：k＝1.5

其中xperson是在像素平面内包围人矩形框左上角的像素横坐标，pwidth为包围人矩形框的像素宽度值。

7.如权利要求1所述的应用于四足仿生机器人的目标跟随方法，其特征是，确定障碍物凸包矩形框，继而得到具体的像素坐标值，具体为获得凸包矩阵框左上角的像素点坐标信息即确定障碍物的像素位置信息，与此同时也将得到凸包矩阵框的宽度高度信息。

8.应用于四足仿生机器人的目标跟随系统，其特征是，包括：图像获取模块，获取四足仿生机器人所在环境的图像；

目标跟随模块，识别跟随目标并获取跟随目标的位置坐标，识别障碍物并获取障碍物的凸包坐标信息，以进行四足机器人在自转跟随跟踪目标的同时横移躲避障碍物；

横移躲避障碍物时，根据障碍物在图像中位置信息来决定四足机器人躲避障碍物时的横移速度大小；

横移速度具体为：

其中Vleftshift，Vrightshift表示四足机器人左右横移的速度；α和XOCC分别是第一自转速度比例系数和包围障碍物矩形框的中心点的像素横坐标，具体由下式给出：α＝0.5

其中xobject是在像素平面内包围障碍物矩形框左上角的像素横坐标，owidth为包围障碍物矩形框的像素宽度值。

9.一种计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1‑7任一所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时执行上述权利要求1‑7任一所述的方法的步骤。